caracterización espectral e identificación temprana de...

Caracterización espectral e identificación temprana de cultivos de regadío en el valle del Ebro: Aplicación operativa para la gestión mediante teledetección y SIG

A. Langa Sánchez1, J. de la Riva Fernández1 1 Grupo GEOFOREST-IUCA. Departamento de Geografía y Ordenación del Territorio, Universidad de Zaragoza. C/ Pedro Cerbuna 12, 50009 Zaragoza (Zaragoza).

[email protected], [email protected]

RESUMEN: La gestión operativa en materia agronómica, especialmente en el contexto de la PAC, exige la determinación temprana de la dedicación de cada parcela a uno o más cultivos a lo largo del año. En colaboración con el Gobierno de Aragón y la empresa pública SARGA, el presente trabajo se ha realizado sobre las superficies correspondientes a la Comunidad General de Regantes del Canal de Bardenas y la Comunidad General de Riegos del Alto Aragón. El objetivo ha sido la puesta a punto de una metodología consistente que permitiera, a escala de parcela, la determinación y cartografía temprana de los cultivos, considerando diversos momentos dentro del ciclo fenológico de éstos, con el objeto de definir un protocolo basado en el tratamiento digital de imágenes Landsat. Siguiendo los requerimientos de la Administración –replicabilidad, coste nulo en la adquisición de las imágenes y ausencia de trabajo de campo– se ha utilizado la información disponible de “declaración inicial de cultivo”, en el marco de la PAC, como base para el entrenamiento y la validación, en el contexto de un proceso de clasificación supervisada multiestacional. Las imágenes utilizadas corresponden a los años 2011 a 2014, del mismo modo que la cartografía parcelaria procedente del SIGPAC. El resultado ha sido la caracterización espectral –y su variación a lo largo de su ciclo fenológico– de los cultivos de regadío en el área de estudio y, tras la determinación de los períodos óptimos para su discriminación, una cartografía de cultivos de resultados más que satisfactorios; de hecho, a pesar de la incertidumbre inherente a las propias áreas de validación, la matriz de confusión arroja porcentajes de acierto superiores al 70% para los cultivos más representados en el área de estudio (alfalfa, maíz, cebada, trigo blando, trigo duro y arroz).

Palabras-clave: regadío, Landsat, Valle del Ebro, multiestacional.

1. INTRODUCCIÓN

Nuestro análisis se desarrolla sobre las parcelas de regadío de dos de las principales comunidades de regantes del Valle del Ebro, que se extienden, en su margen izquierda, entre los somontanos prepirenaicos y la ribera del río Ebro (Figura 1): la Comunidad General de Regantes del Canal de Bardenas (RCB), entre los ríos Aragón y Arba de Biel, en la C.F. de Navarra y la provincia de Zaragoza (84114,69 ha); la Comunidad General de Riegos del Alto Aragón (RAA), entre los ríos Gallego y Cinca, en las provincias de Huesca y Za-ragoza (135.469,73 ha). Su paisaje semiárido se ha visto profundamente transformado por la implantación del regadío; a las antiguas explotaciones extensivas de cereal de secano se han superpuesto cultivos de rega-dío como el maíz o la alfalfa, así como superficies dedicadas a la producción de frutales y cultivos hortícolas.

Sobre estas superficies de regadío, en el contexto de la aplicación y seguimiento de la PAC, se ha desarrollado esta investigación, que sirve a tres objetivos principales: i) caracterizar espectralmente y cartografiar de una fase temprana los diferentes cultivos de regadío mediante clasificación supervisada de imágenes de libre acceso del programa Landsat; ii) fundamentar la discriminabilidad temprana de los cultivos atendiendo a su ciclo fenológico, con el objeto de definir procedimiento que pueda ser replicable; iii) estimar las superficies por cultivo para facilitar la planificación de las necesidades de riego previstas en etapas posteriores de su desarrollo.

2. MATERIAL Y MÉTODOS

Nuestra investigación, desarrollada en coordinación con el entonces Departamento de Agricultura, Ga-

de la Riva, J., Ibarra, P., Montorio, R., Rodrigues, M. (Eds.) 2015 Análisis espacial y representación geográfica: innovación y aplicación: 671-680

Universidad de Zaragoza-AGE. ISBN: 978-84-92522-95-8

A. Langa Sánchez, J. de la Riva Fernández

672

nadería y Medio Ambiente del Gobierno de Aragón y la empresa pública SARGA, contaba con unos requeri-mientos precisos: servirse de la información disponible, sin precisar nuevo trabajo de campo, utilizar imágenes de teledetección de libre acceso y ser replicable y operativa. Sobre esta base se diseñó un proceso metodológico que ha involucrado las siguientes fases: i) el análisis y selección de la información disponible, ii) su depuración, iii) la extracción y el análisis estadístico de la información de partida, valorando su calidad y generando la firma espectral de cada tipo de cultivo / parcela de referencia, iv) la caracterización espectral de los diferentes cultivos en su ciclo fenológico y, finalmente, v) la clasificación supervisada para la obtención de la cartografía final. Debe señalarse que existen dos trabajos que abordan, aunque en contextos diversos, la clasificación de cultivos para esta misma zona (Ruiz-Verdú et al., 1999; Casterad y Martín-Ordóñez, 2004). El software utilizado ha si-do ERDAS Imagine 2013 para el procesamiento de las imágenes y ArcGIS 10 para las operaciones de análisis específico SIG; para determinadas rutinas se han generado scripts en R (GBIF, 2015).

Figura 1. Áreas de estudio: Regantes del Canal de Bardenas (RCB) y Riegos del Alto Aragón (RAA).

2.1. Información utilizada

2.1.1. Imágenes de satélite

La necesidad de contar con imágenes para los diferentes momentos del ciclo fenológico de los culti-vos, que, además, tuvieran una buena resolución espectral, junto a la consideración de las morfología del parcelario y el requerimiento de trabajar con imágenes de libre disposición, condujo inequívocamente al uso de imágenes Landsat: 30 m de resolución espacial; registro óptico en 3 bandas del visible (azul, verde, rojo), 1 en el infrarrojo próximo y 2 en el SWIR; revisita cada 16 días y descarga libre desde el servidor del USGS (LP DAAC EOS, https://lpdaac.usgs.gov/data_access).

Tabla 1. Imágenes utilizadas –día del mes– (Path/Row 199/31). L7, Landsat 7 ETM+. L8, Landsat 8 OLI.

Sept. Oct. Nov. Dic. En. Feb. Mar. Abr. May. Jun. Jul. Ago.L7 L8 L7 L8 L7 L8 L7 L8 L7 L8 L7 L8 L7 L8 L7 L8 L7 L8 L7 L8 L7 L8 L7 L8

2011 8 1026 12 1

17 20 6 23

2012 15 2 9

2013 13 31 7 24 26 6 14 25 1 11 20

2014 12 8 16 25 3 28 20 14 30 22 15 7

23

Aunque para cubrir enteramente el área de estudio se precisan dos imágenes (Path/Row 199/31 y 200/31), se ha trabajado únicamente con una de ellas (Path/Row 199/31), que incluye la totalidad de la RAA y el 80% de la superficie de RCB; se consideró que el comportamiento espectral y las características de los culti-vos de RCB así considerados eran extrapolables a los del conjunto de esa Comunidad de Regantes. Se seleccio-

Caracterización espectral e identificación temprana de cultivos de regadío en el valle del Ebro…

673

nó –en función de las fuentes de información alfanumérica sobre cultivos que debían utilizarse– el período de análisis de 2011 a 2014, utilizándose imágenes Landsat de dos satélites de la serie (7 y 8), por tanto, de los sen-sores ETM+ y OLI. Tras analizar la calidad y el porcentaje de cobertura de nubosa en las imágenes disponibles en el servidor del USGS, se seleccionaron 36 imágenes idóneas para nuestro estudio (Tabla 1).

2.1.2. Fenología de los cultivos e información disponible sobre la dedicación de las parcelas

En la Tabla 2 se recoge, para nuestra área de estudio, el período en el que los diferentes cultivos ocupan las parcelas. Siendo alta la diversidad de los presentes y variable su fenología, hacemos alusión explícita aquí al principal de ellos, el maíz. Su ciclo fenológico para el de primera cosecha comienza con la siembra en torno al 15 de abril y el nacimiento a principios de mayo; la fase de crecimiento/desarrollo subsiguiente se produce en junio, generando 5 hojas (V5); la fase de reproducción se alcanza en agosto, con el proceso de fecundación masculina cuando emerge el penacho; la fecundación, una semana más tarde, da paso a finales de agosto a la fase de grano lechoso-pastoso; la maduración tiene lugar en septiembre y la maduración fisiológica en octubre, simultánea a la pérdida de agua en los tejidos, cosechándose al inicio de noviembre (González-Piqueras, 2006).

Tabla 2. Cronograma anual de presencia de los principales cultivos en el área de estudio.

Sept. Oct. Nov. Dic. En. Feb. Mar. Abr. May. Jun. Jul. Ago.

Cereal invierno (trigo, cebada...) Leguminosas (guisante, haba…) Forrajeros invierno (Ray grass...) Alfalfa Fruta pepita y hueso, vid, olivo… Maiz 1ª cosecha Maiz 2ª cosecha Forrajeros verano (festucas…) Arroz (parcelas embalsadas)

A partir del análisis de la fenología de todos los cultivos –y de común acuerdo con la opinión experta de los gestores– se fijaron como prioridad dos ventanas temporales de máximo interés, tanto por la posibili-dad de diferenciación de los diversos cultivos como por los requerimientos de su identificación y cartografía temprana: período central de la primavera e inicio del verano (remarcados en Tabla 2).

Como información de campo –verdad terreno– debíamos utilizar aquella disponible por la Administración:

Declaración PAC previa del cultivo, información aportada por los jefes de explotación a fecha 31 de mayo con el objeto de percibir la ayuda acorde a la variedad y superficie, disponible para los años 2011- 2014.

Encuestas sobre Superficies y Rendimientos de Cultivos (ESYRCE), disponible de 2003 a 2013, muestreo realizado en diversos momentos (junio, final de julio/principio de agosto, octubre).

Encuestas telefónicas realizadas por Estadística Agraria del Gobierno de Aragón, que contienen información de los cultivos implantados posteriormente a lo declarado en la PAC (“segundos cultivos”).

La principal limitación asociada a la información disponible está asociada al conocimiento de los “se-gundos cultivos”, a la que es posible aproximarse a través de las encuesta ESYRCE o mediante vinculación de la información extraída de la encuesta telefónica con el parcelario SIGPAC. Se constató, no obstante, que las encuestas ESYRCE, se habían reducido a las realizadas en mayo desde 2011; así mismo, se concluyó que era poco fiable la vinculación de las encuestas telefónicas, pues falta información para asociarla con precisión a ca-da una de las parcelas concretas de la explotación. Por todo ello, se decidió omitir del análisis los “segundos cultivos” y utilizar únicamente la información de la declaración previa PAC, si bien debe subrayarse la lógica incertidumbre asociada a estos datos, así como las posibles inexactitudes inherentes a la cartografía SIGPAC. Se contaba, así mismo, con las coberturas digitales del parcelario SIGPAC para los años 2011-2014 y de la su-perficie de las dos Comunidades de Riego (SITEbro, CHE http://iber.chebro.es/SitEbro/sitebro.aspx).

2.2. Depurado de la información

Del parcelario SIGPAC se aislaron las parcelas incluidas en las dos comunidades de regantes; definido el parcelario objeto del estudio se vinculó la información referida al cultivo de cada parcela (2011-14) y se excluyeron aquellas de uso no agronómico (agua, viales, edificaciones, forestal, urbana y censurada).

Respecto de la información espectral de las imágenes Landsat, el uso conjunto de imágenes de diversos años y, sobre todo, de diversos momentos del ciclo fenológico de los cultivos en una misma campaña conllevó la realización de un minucioso proceso de corrección radiométrica para la conversión de los niveles digitales a


674

valores de reflectividad (Ariza, 2013; Vanhellemont y Ruddick, 2014). Para ello se calculó la radiancia espec-tral, la reflectividad en el techo de la atmosfera y se corrigió la distorsión introducida por la dispersión atmosfé-rica (Dark Object Substraction; Chavez, 1988), obteniéndose el dato de reflectividad aparente de superficie. Dado el carácter llano-horizontal de las parcelas de regadío no se aplicó normalización topográfica; de haberse hecho, se habría introducido ruido en los datos.

El siguiente paso en el depurado de los datos fue la supresión de los píxeles de borde o sin información:

Se eliminaron aquellos píxeles que –en superposición con el parcerlario– resultaran atravesados por lindes y caminos, cuya respuesta espectral es mixta.

Dado que se debían utilizar imágenes Landsat 7 “SLC-off”, del sensor ETM+, que conlleva desde 2003 el error en el Scan Line Corrector (SLC), que genera un bandeado de falta de información, se aplicó una máscara de recorte que hubo de generarse mediante suma del bandeado –diferente– para cada banda.

Figura 2. Supresión de píxeles de borde (lindes, caminos) y sin información (SLC) en las imágenes Landsat 7.

2.3. Extracción y análisis de la información

Con el fin de poder hacer un análisis del comportamiento reflectivo de cada uno de los cultivos se de-bía vincular la información espectral contenida en la imagen con la referente a cultivos aportada por las par-celas. Con tal propósito se realizó un análisis zonal –mediante un script en R– para el cálculo de diversos es-tadísticos por parcela: media, máximo, mínimo y desviación estándar.

Figura 3. Análisis comparativo de las estadísticas generales de las imágenes Landsat 7 y 8 para el mes de junio.

Figura 4. Comportamiento espectral del agua para las imágenes Landsat 7 y 8 para el mes de abril.


675

Seguidamente se analizaron comparativamente los valores obtenidos para el conjunto de las parcelas en las diferentes imágenes de un período de tiempo semejante, fueran ETM+ u OLI, con objeto de detectar posi-bles anomalías presentes en el comportamiento espectral de éstas y detectar posibles problemas de infra- o so-bre-corrección. Con este mismo propósito e procedió también a comparar entre todas las imágenes utilizadas el comportamiento espectral del agua, la cubierta más estable entre aquellas presentes en el área de estudio. Para ello se seleccionaron 160 pixeles en una zona común de la imagen (Embalse de la Sotonera). Ambos análisis manifestaron una variabilidad que puede considerarse dentro de lo esperado (véase, p.e. Figuras 3 y 4).

2.4. Caracterización espectral de los cultivos

Se trata de una fase crítica para discernir –junto con lo apuntado sobre el ciclo fenológico de los culti-vos y los requerimientos de operatividad del trabajo– el periodo óptimo para la identificación temprana y la clasificación de los diferentes cultivos, valorando al mismo tiempo el grado de confusión asociado, por cuan-to, en ocasiones, su fenología y su respuesta espectral resultan semejantes.

Un primer análisis refiere al comportamiento espectral a lo largo de todos los meses y años analizados, como el caso de la alfalfa para las imágenes de junio (Figura 5). Así mismo, se extrajo, para cada cultivo, la evolución de su firma espectral durante su ciclo completo, especialmente para el año 2011, para el que se disponía de un mayor número de imágenes (Figura 6); además, los diferentes cultivos fueron comparados en-tre sí, con objeto de valorar su mejor o peor separabilidad en diferentes momentos del año.

Figura 4. Análisis comparativo de la respuesta espectral de la alfalfa en imágenes de junio de 2011, 2013 y 2014.

Figura 5. Comportamiento espectral del maíz a lo largo de su ciclo fenológico.

2.5. Clasificación digital

Se procedió a diferentes ensayos, en función de las imágenes disponibles, tanto en relación con los dife-rentes años como, sobre todo, en función de los momentos del año en los que el análisis previo había puesto de manifiesto una mayor separabilidad de los cultivos entre sí. Centrándose el análisis en 2011, por la mayor dis-ponibilidad de imágenes, se ensayó la clasificación conjunta de pares de imágenes –de los períodos abril y final de junio/principio de julio– siguientes: 01/04 y 06/07, 17/04/ y 06/07, 01/04 y 20/06, 17/04 y 20/06.

Dado el elevado número de cultivos diferentes presentes, de cara a la conformación de la leyenda, se tu-vieron en cuenta tanto la superficie ocupada como el número de parcelas; finalmente, se desestimaron aquellos cultivos que no presentaban una superficie suficientemente representativa para el entrenamiento (<150 ha) o que implicaban a menos de 100 parcelas. Se llegó así a una leyenda de 25 cultivos, si bien los que tienen mayor valor e interés para la Administración son: maíz, arroz, alfalfa y cereales de invierno (DGA, 2013, 2014).


676

En coherencia con los requerimientos del estudio, de utilización para el entrenamiento de la informa-ción disponible previa (parcelas con declaración de cultivos PAC), se procedió mediante clasificación super-visada. No obstante lo anterior, por cuanto esta información verdad-terreno lleva asociado un margen de in-certidumbre –por ejemplo, parcelas declaradas de un cultivo que, sin embargo, son destinadas finalmente a otro o dejados en barbecho–, se estableció un criterio para su depuración. Éste consistió en desestimar aque-llas parcelas que, declaradas de un determinado cultivo, se alejaban del comportamiento medio o signatura espectral, previamente establecido para dicho cultivo, en función del umbral de ±1 desviación estándar en el momento de mayor actividad vegetativa; la Figura 6 ilustra el caso maíz. Del conjunto de parcelas resultantes de este proceso de depuración se utilizaron en el proceso de entrenamiento el 20%, reservando el 80% res-tante para el proceso de validación.

Figura 6. Valores medios e intervalos de confianza (±1) para la determinación de parcelas de maíz (06/07/2011).

El análisis de separabilidad de las categorías se realizó mediante el método de divergencia transforma-da. Para el proceso de asignación se aplicó el algoritmo de máxima probabilidad, en el que cada píxel se sig-na a la clase con mayor probabilidad de pertenencia. Finalmente, se abordó la verificación de los resultados obtenidos, a partir de la muestra previamente reservada del 80% de parcelas no utilizadas para el entrena-miento. Para ello, tras el proceso de asignación por píxeles, para cada parcela se procedió mediante un análi-sis zonal, a aplicando a cada una el cultivo en función el estadístico de la moda. Sobre esta base se constru-yeron las matrices de confusión, poniéndose en evidencia el grado de acierto y los conflictos presentes entre las diferentes categorías (Chuvieco, 2010).

3. RESULTADOS Y DISCUSIÓN

Los mejores acuerdos en función de la divergencia transformada se han obtenido mediante el uso con-junto de dos imágenes de diferentes periodos del ciclo fenológico; ello es lógica consecuencia de la incorpo-ración de la respuesta espectral de los cultivos en dos momentos diferentes de su ciclo de desarrollo. Así, la Tabla 3 muestra los resultados de separabilidad para los 11 principales cultivos, que es óptima en dos tercios de los pares de categorías (>1900, destacados en la tabla en subrayado-cursiva); en cualquier caso, siempre óptimos para maíz, arroz, barbecho tradicional, pastos permanentes (más de 5 años).

Tabla 3. Análisis de separabilidad para la clasificación, imágenes de 17 de abril y 6 de julio, 2011.

Alfalfa Arroz Barbecho Cebada Festuca Guisante Maiz Pastos Ray g. Trigo b. Trigo d.Alfalfa 0 1998,88 2000,00 1584,7 1068,36 1685,92 1971,15 1998,70 1293,27 1914,66 1732,67Arroz 1998,88 0 1999,90 1991,53 1998,27 1994,23 1992,52 1999,94 1994,23 1998,72 1999,51

Barbecho 2000 1999,9 0 1979,74 1999,58 1998,26 1999,99 1987,70 1992,18 1998,67 1964,46Cebada 1584,7 1991,53 1979,74 0 1192,38 1546,16 1966,07 1997,92 851.547 1107,64 1174,12Festuca 1068,36 1998,27 1999,58 1192,38 0 1685,34 1991,62 1999,20 932,76 1315,97 1258,73Guisante 1685,92 1994,23 1998,26 1546,16 1685,34 0 1993,91 1988,78 1538,3 1761,73 1652,63

Maiz 1971,15 1992,52 1999,99 1966,07 1991,62 1993,91 0 1999,96 1979,05 1998,89 1999,13Pastos perm. 1998,7 1999,94 1987,7 1997,92 1999,2 1988,78 1999,96 0 1997,91 1999,71 1999,51

Ray grass 1293,27 1994,23 1992,18 851.547 932,76 1538,3 1979,05 1997,91 0 1501,34 1393,8 Trigo blando 1914,66 1998,72 1998,67 1107,64 1315,97 1761,73 1998,89 1999,71 1501,34 0 1009,76Trigo duro 1732,67 1999,51 1964,46 1174,12 1258,73 1652,63 1999,13 1999,51 1393,8 1009,76 0

Figura 7. Resultado de la clasificación supervisada (imágenes de 17 de abril y 6 de julio, 2011). Comunidad General de Riegos del Alto Aragón (parte).

678

La matriz de confusión –véase Tabla 4 para la clasificación de las imágenes de 17 de abril y 6 de ju-lio– arroja un resultado global de fiabilidad de 0,72. Este dato, modesto en un principio, esconde una realidad que, presumiblemente, es mucho más positiva. Debe tenerse en cuenta, a este respecto, que tanto las áreas de entrenamiento como de verificación –por imperativo de los requerimientos del trabajo– no refieren a una verdad-terreno registrada en campo, sino a la información suministrada por los propios agricultores en su de-claración inicial PAC. En suma, aunque se han adoptado estrategias para eliminación de los píxeles de borde (apartado 2.2) y para la depuración de las signaturas espectrales de referencia de los cultivos (apartado 2.5), es evidente que la “verdad” con la que se confrontan los resultados no siempre se ajusta a la realidad.

Tabla 4. Matriz de confusión de la clasificación, imágenes de 17 de abril y 6 de julio, 2011.

Clasificados (miles de ha) Exactitud Error Referencia 1 2 3 4 5 6 7 8 9 10 11 12 TOTAL Product. omisión

1 Alfalfa 5364 167 298 23 26 75 601 1135 12 41 0 403 8145 65,86 34,14 2 Maíz 282 7028 14 7 113 0 10 268 26 0 0 511 8258 85,11 14,89 3 Cebada 306 47 3595 168 14 55 91 345 11 634 0 699 5966 60,26 39,74 4 Trigo blando 280 13 769 981 0 206 91 132 26 118 0 80 2697 36,36 63,64 5 Arroz 8 0 26 0 2260 0 5 14 0 0 0 33 2346 96,34 3,66 6 Trigo duro 92 4 120 120 0 313 18 54 0 71 0 77 869 36,02 63,98 7 Festuca 249 0 42 12 9 16 224 138 4 29 0 53 776 28,85 71,15 8 Ray grass 151 11 114 1 2 20 183 269 1 6 6 111 872 30,80 69,20 9 Guisantes 179 69 16 0 0 7 0 71 203 26 0 183 754 26,92 73,08

10 Barbecho trad. 0 0 9 5 0 1 0 40 0 329 0 345 729 45,19 54,81 11 Pasto perman. 2 0 0 0 3 0 2 6 0 23 482 99 617 78,13 21,87 12 Otros cultivos 280 326 289 55 32 18 161 410 19 171 4 0 1765

TOTAL 7192 7666 5291 1370 2459 712 1386 2882 301 1448 492 2594 33793 Exact. usuario 74,58 91,69 67,95 71,56 91,91 43,96 16,15 9,32 67,28 22,76 97,96Error comisión 25,42 8,31 32,05 28,44 8,09 56,04 83,85 90,68 32,72 77,24 2,04 Fiabilidad global: 0,72

Así mismo, antes de abordar un breve análisis de la confusión entre categorías, es preciso comentar un fenómeno evidenciado tras la clasificación: la existencia de no pocas parcelas –generalmente de gran tama-ño– que, aun conformando una sola unidad en la cobertura SIGPAC, tienen dos o más cultivos implantados; debe tenerse en cuenta que, en estos casos, la asignación a un único cultivo implica la inclusión de un falso error en la clasificación (Figura 8).

Figura 8. Detalle de parcela SIGPAC que comparte 4 cultivos distintos.

No obstante los valores generales de fiabilidad comentados –que, sin duda, es mayor en la realidad como consecuencia de los inconvenientes señalados– se obtienen, para la exactitud del productor, valores de 85% para el maíz, de 96% para el arroz y de 78% para las superficies dedicadas a pastos permanentes (>5 años); mientras que la exactitud del usuario es, para estos mismos cultivos, respectivamente, de 92%, 93% y 98%. Otros cultivos, como la alfalfa, arrojan errores de omisión (34%) y comisión (25%) algo mayores; si bien, en gran medida, son errores debidos a confusión con otras de forrajeras y, por lo tanto, susceptibles de ser agrupadas, lo que implicaría un aumento en la exactitud de la clasificación de esta categoría.

En el caso de los cereales de invierno hay que destacar los resultados, aunque mejorables, obtenidos para la cebada (60% y 68% de exactitud del productor y del usuario, respectivamente), frente a los del trigo blando y el trigo duro, con errores de omisión del 64%, aunque con errores de comisión inferiores (especialmente para el trigo blando, 28%). Estas especies presentan respuestas espectrales semejantes en su momento de mayor activi-dad vegetativa; la incorporación en el estudio de imágenes correspondientes al mes de mayo, que no estaban


679

disponibles para el año 2011, hubiera reducido, sin duda, la confusión entre ellas, ya que es el periodo en el que la cebada se “agosta”, mientras el trigo sigue manteniendo una actividad vegetativa notable.

El análisis realizado en cuanto a la caracterización del comportamiento espectral de los cultivos nos per-mite aproximarnos a los principales ámbitos de confusión observados entre ellos. Los resultados para las espe-cies más destacadas y que presentan un mayor interés son los siguientes:

Cereales de invierno (cebada, trigo blando y trigo duro). Se observa un incremento de la actividad vegetativa en torno al mes de abril, así como un decaimiento en los meses posteriores. En este periodo, el grado de confusión es mayor con especies forrajeras, de presencia permanente en el territorio, mientras que en los meses de parada vegetativa dan lugar a confusión con superficies en barbecho o cultivos leñosos (olivo, frutales, etc.), debido a la participación del suelo en la señal registrada, que se asocia a su marco de plantación y a las características del propio cultivo.

Forrajeras. Son cultivos que están presentes a lo largo de todo el año, a excepción de los meses de invierno, lo que explica su confusión con muchos otros cultivos cuando están en su momento de mayor vigor vegetal.

Maíz. Su periodo de actividad vegetativa comprende desde abril hasta agosto, lapso de tiempo en el que se confunde con superficies forrajeras y con los cereales de invierno. En su momento de senescencia, al igual que sucede con los cereales de invierno, la confusión se da con superficies desnudas o cultivos leñosos.

Arroz. Sembrado en abril, en junio se hace patente su respuesta espectral, que se incrementa desde este momento hasta alcanzar un máximo en el mes de septiembre; iniciándose su decaimiento vegetativo hasta la recolección. Este cultivo se caracteriza por presentar unas necesidades hídricas mucho mayores que el resto, y es por ello que las parcelas donde se implanta deben permanecer continuamente inundadas; aspecto que colabora a su mejor diferenciación frente al resto de cultivos.

La Figura 7 muestra el mapa obtenido, para un sector de la Comunidad General de Riegos del Alto Ara-gón, a partir de las imágenes de 17 de abril y 6 de julio de 2011. Se presenta el producto directo obtenido de la clasificación por píxeles; por tanto, no se incluye información para los píxeles de borde y, cuando es el caso, aparecen píxeles aislados de asignación errónea entre un número claramente dominante e indicador del cultivo realmente implantado en la parcela. Una posterior mejora de este mapa conlleva la asignación al total de la par-cela, en su expresión vectorial de la cobertura SIGPAC, del cultivo mayoritariamente clasificado en los píxeles que la conforman. Así mismo, procede destacar la limitación que impone el uso de datos “SLC-off”, del sen-sor ETM+; debe tenerse en cuenta que el análisis multiestacional agrava la carencia de datos, por cuanto el bandeado de error no es coincidente en las imágenes de diferentes fechas (Figura 9). Con el objeto de mostrar las limitaciones de la cartografía elaborada se presenta en la Figura 7 el resultado primero de la clasificación.

Figura 9. Ausencia de datos asociada a ETM+ “SLC-off” para 1 (izda.) y para la conjunción de 2 imágenes (dcha.).

4. CONCLUSIONES

Las imágenes Landsat aportan a los estudios agronómicos información espacial y temporal actualizada que permite caracterizar y cartografiar los cultivos. El proceso metodológico descrito en el presente trabajo de-talla los pasos seguidos para la caracterización espectral del comportamiento fenológico de los cultivos de re-gadío presentes en la zona de estudio, sentando las bases para abordar un exhaustivo proceso de clasificación y permitiendo discernir los períodos del proceso vegetativo en los que la separabilidad entre las respuestas espec-trales de los diferentes cultivos es mayor, desde la óptica de su detección temprana. En este trabajo, en función


680

de la disponibilidad de imágenes, se han utilizado datos procedentes de los sensores ETM+ y OLI, si bien los resultados aquí mostrados corresponden a aquéllos de Landsat 7; sin duda, la calidad de los resultados se in-crementará cuando se cuente con un número mayor de años agrícolas con disponibilidad de imágenes Landsat 8 y los estándares de corrección radiométrica de estas imágenes OLI esté plenamente depurado. No obstante, en nuestro trabajo –y con los datos que estaban disponibles– hemos avanzado en la caracterización espectral –conjunta y comparativa– de los cultivos de la zona de estudio, involucrando datos TM, ETM+ y OLI.

Se ha realizado un análisis detallado del nivel de confusión que presentan los cultivos entre sí. De allí se ha podido evidenciar la gran semejanza que, en cuanto a repuesta espectral, ofrecen las especies forrajeras, con actividad vegetativa persistente durante casi todo el año. Se ha constatado la importancia de la respuesta espec-tral del suelo en aquellas parcelas destinadas a árboles frutales, en las que el marco de plantación y la fracción cobertura condiciona el registro satelital, generando confusión con otros cultivos en momentos de senescencia; tal es el caso de los cereales de invierno y el maíz. Destaca sobremanera la buena diferenciación de las parcelas destinadas a arroz frente al resto de los cultivos, como lógico resultado de su alto grado de saturación hídrica. A pesar de todo ello, los resultados son muy satisfactorios para algunos de los más importantes cultivos del área de estudio, como maíz, arroz, superficies dedicadas a pastos permanente y, aunque en menor medida, cebada.

Los diferentes ensayos de clasificación aplicados a las imágenes han puesto de manifiesto que los mejo-res resultados se obtienen mediante clasificación supervisada con el algoritmo de máxima probabilidad aplica-do simultáneamente a dos escenas de estados vegetativos diferentes: final de abril y principio de julio.

El trabajo realizado partía –justamente por razones de operatividad para la Administración– de unos re-querimientos precisos: servirse de la información disponible, sin precisar nuevo trabajo de campo, utilizar imá-genes de teledetección de libre acceso y ser replicable y operativa. El uso de la información relativa a la Decla-ración PAC previa del cultivo, recogida a fecha de 31 de mayo como límite, como input para las áreas test de “verdad-terreno”, a pesar de sus limitaciones y la depuración requerida, se ha mostrado de gran utilidad.

AGRADECIMIENTOS

Los autores agradecen muy sinceramente a D. Francisco Javier Hernández Lázaro, de la empresa pública SARGA, y a D. Luis M. Roldán Fau, del Departamento de Desarrollo Rural y Sostenibilidad del Gobierno de Aragón, por la disponibilidad siempre generosa para facilitar información y opinión técnica.

5. BIBLIOGRAFÍA

Ariza, A. (2013): “Descripción y corrección de productos Landsat 8 LDCM (Landsat Data Continuity Mission)”. Bogotá, Instituto Geográfico Agustín Codazzi.

Casterad, A., Martín-Ordóñez, T. (2004): “Optimization of supervised classification procedure for irrigated crop discrimination using Landsat TM images”. Revista de teledetección, 24, 33-39.

Chavez, P.S. (1988). “An improved dark-object subtraction technique for atmospheric scattering correction of multispectral data”. Remote Sensing of Environment, 24(3), 459-479.

Chuvieco, E. (2010): Teledetección ambiental. La observación de la tierra desde el espacio. Barcelona, Ariel.

DGA (2013): “Análisis del sistema productivo agroalimentario de Aragón”. Zaragoza: Servicio de Estudios, Análisis e Información del Gobierno de Aragón, Gobierno de Aragón. Accesible en: http://www.aragon.es/DepartamentosOrganismosPublicos/Departamentos/DesarrolloRuralSostenibilidad/AreasTematicas/ch.EstadisticasAgrarias.detalleDepartamento

DGA (2014): “Resultados de la red de ensayos de variedades de maíz y girasol en Aragón. Campaña 2013”. Informaciones Técnicas, 16. Dep. Agricultura, Ganadería y Medio Ambiente, Gobierno de Aragón.

GBIF (2015): R: a language and environment for statistical computing. Global Biodiversity Information Facility. Accesible en: http://www.gbif.org/resource/81287

González-Piqueras, J. (2006): Evapotranspiración de la cubierta vegetal mediante la determinación del coeficiente de cultivo por teledetección. Aplicación a escala regional: Acuifero 08-29 Mancha Oriental. Tesis doctoral, Facultad de Física, Universitat de Valencia.

Ruiz-Verdú, A., Serrano, M.L., Peña, R., Rodríguez-Chaparro, J. (1999): “Clasificación multitemporal de imágenes Landsat-TM para la estimación de demandas hídricas en la zona regable del Canal de Aragón y Cataluña”. En Castaño, S., Quintanilla, A. (eds.) Teledetección. Avances y Aplicaciones. VIII Congreso Nacional de Teledetección. Albacete, 107-110.

Vanhellemont, Q., Ruddick, K. (2014): “Turbid wakes associated with offshore wind turbines observed with Landsat 8”. Remote Sensing of Environment, 145, 105-115.

caracterización espectral e identificación temprana de...

Documents